机器学习入门（吃瓜第六章 支持向量机）
目录
1. M-P 神经元
2. 感知机（分类模型）
2.1 sgn 函数
2.2 感知机
1）模型
2）策略
3）算法
3. 神经网络
3.1 优点
3.2 缺点
3.3 经典神经网络——多层前馈网络
3.4 神经网络训练方法——BP 算法
3.5 反向传播算法
4. 总结
参考文献
1. M-P 神经元
M-P 神经元，全称为 McCulloch-Pitts 神经元，是一种用于模拟生物神经元功能的数学模型。该模型由 Warren McCulloch 和 Walter Pitts 于 1943 年提出，是人工智能和计算神经科学领域的重要早期模型。
M-P 神经元接收 n 个输入（通常来自其他神经元），并对各个输入赋予权重，计算加权和，然后与神经元特有的阈值 θ 进行比较（作减法）。最后，经过激活函数（模拟“抑制”和“激活”）处理得到输出（通常传递给下一个神经元）：
单个 M-P 神经元可以构成感知机（使用 sgn 作为激活函数）或对数几率回归（使用 sigmoid 作为激活函数），多个 M-P 神经元可以构成神经网络。
2. 感知机（分类模型）
2.1 sgn 函数
sgn 函数，或称为符号函数（sign function），是一个用于确定实数符号的数学函数。sgn 函数的定义如下：
- 当 x>0x > 0x>0 时，sgn(x) = 1
- 当 x=0x = 0x=0 时，sgn(x) = 0
- 当 x
免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度，360，搜狗等多加搜索引擎自动关键词搜索配图，如有侵权的图片，请第一时间联系我们，邮箱：ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
